[發(fā)明專(zhuān)利]一種基于平移不變GHM多小波變換的軌檢儀數(shù)據(jù)去噪方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710074347.4
• 申請(qǐng)日: 2017-02-10
• 公開(kāi)（公告）號(hào): CN106872587B
• 公開(kāi)（公告）日: 2019-08-23
• 發(fā)明（設(shè)計(jì)）人: 王一軍;梁廣柱
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中南大學(xué)
• 主分類(lèi)號(hào): G01N29/46
• 分類(lèi)號(hào): G01N29/46
• 代理公司: 長(zhǎng)沙市融智專(zhuān)利事務(wù)所(普通合伙) 43114
• 代理人: 楊萍

本發(fā)明公開(kāi)了一種基于平移不變GHM多小波變換的軌檢儀數(shù)據(jù)去噪方法，包括以下步驟：步驟1：輸入一維含噪聲數(shù)據(jù)，并進(jìn)行預(yù)濾波處理；步驟2：對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行平移不變GHM多小波分解，得到各層子帶系數(shù)，包括低頻系數(shù)和高頻系數(shù)；步驟3：選取合適的閾值和閾值函數(shù)對(duì)高頻系數(shù)進(jìn)行閾值處理；步驟4：對(duì)步驟2得到的低頻系數(shù)和步驟3得到的高頻系數(shù)進(jìn)行平移不變GHM多小波重構(gòu)，得到輸出信號(hào)；步驟5：對(duì)步驟4得到的所有輸出進(jìn)行后濾波處理，并求平均。采用本發(fā)明的方法，能夠改善對(duì)數(shù)據(jù)去噪性能的同時(shí)更好的保留數(shù)據(jù)的特征信息。本發(fā)明能夠保留軌檢儀數(shù)據(jù)信號(hào)中的特征信息，提高去噪性能。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)字信號(hào)處理領(lǐng)域，尤其涉及一種基于平移不變GHM多小波變換的軌檢儀數(shù)據(jù)去噪方法。

背景技術(shù)

鐵路運(yùn)輸在我國(guó)運(yùn)輸事業(yè)中占據(jù)著舉足輕重的地位，是我國(guó)經(jīng)濟(jì)發(fā)展命脈。隨著鐵路各主要干線的全面提速和高速鐵路的快速建設(shè)，鐵路運(yùn)輸?shù)陌踩浴⑹孢m性是首要問(wèn)題。通過(guò)軌道檢測(cè)儀可以及時(shí)發(fā)現(xiàn)軌道出現(xiàn)的傷病狀況，從未科學(xué)合理的安排軌道的養(yǎng)護(hù)，保證列車(chē)正常行駛。但是，若軌檢儀數(shù)據(jù)中存在噪聲就無(wú)法反映軌道的真實(shí)狀態(tài)。在軌道檢測(cè)儀運(yùn)行期間，由于環(huán)境等因素造成采集到的數(shù)據(jù)受到噪聲的污染，尤其是受到脈沖噪聲的污染。因此，有必要對(duì)軌檢儀數(shù)據(jù)進(jìn)行去噪處理。

在實(shí)際工程應(yīng)用中，利用在頻域上信號(hào)的大部分信息屬于低頻成分，而噪聲屬于高頻成分這種分布特點(diǎn)，采用低通濾波器去除噪聲。但是信號(hào)中也可能含有屬于高頻成分的尖峰、突變等特征信息，因此低通濾波的方法雖然能夠去除噪聲，同時(shí)也丟失了信號(hào)的尖峰、突變點(diǎn)等特征信息。傳統(tǒng)的遞歸中值濾波方法雖然能消除噪聲，但是會(huì)引入特征丟失和信號(hào)失真，不利于后續(xù)的處理。因此，有必要設(shè)計(jì)一種在濾除信號(hào)噪聲的同時(shí)，盡可能不破壞原始信號(hào)的去噪方法。

發(fā)明內(nèi)容

本發(fā)明所解決的問(wèn)題是，針對(duì)現(xiàn)有技術(shù)的不足，提供了一種基于平移不變GHM多小波變換的軌檢儀數(shù)據(jù)去噪方法，有利于保留軌檢儀數(shù)據(jù)信號(hào)中的特征信息，提高去噪性能。

一種基于平移不變GHM多小波變換的軌檢儀數(shù)據(jù)去噪方法，包括以下步驟：

步驟1：信號(hào)預(yù)處理；

輸入長(zhǎng)度為N的一維含噪聲數(shù)據(jù)序列f(n)，n＝1,2...,N，N＝2^J，J為正整數(shù)；因?yàn)镚HM多小波濾波器的輸入要求是二維信號(hào)，所以將數(shù)據(jù)序列f(n),n＝1,2,…,N中的數(shù)據(jù)點(diǎn)按位置的奇偶性拆分成矩陣形式的信號(hào)：x(n)＝[f(2n-1),f(2n)]^T，然后對(duì)其進(jìn)行預(yù)濾波處理，得到多小波分解算法初始展開(kāi)系數(shù)

步驟2：對(duì)s_J,n進(jìn)行h位循環(huán)移位和平移不變GHM多小波l層分解，得到低頻系數(shù)和高頻系數(shù)，其中h＝0,1,…,H，l為正整數(shù)(理論上l的取值可以是任意正整數(shù)，實(shí)際中l(wèi)的為3,或者4去噪效果好)；

步驟3：對(duì)步驟2中得到的高頻系數(shù)進(jìn)行閾值處理；

步驟4：基于步驟2中得到的低頻系數(shù)和步驟3閾值處理后得到的高頻系數(shù)進(jìn)行平移不變GHM多小波l層重構(gòu)，然后進(jìn)行循環(huán)反移位，得到輸出信號(hào)

步驟5：對(duì)步驟4得到的所有輸出信號(hào)進(jìn)行后濾波處理，得到信號(hào)

步驟6：對(duì)每一個(gè)h＝0,1,…,H，將其對(duì)應(yīng)的后濾波處理得到的信號(hào)按位置的奇偶性合并成長(zhǎng)度為N的一維信號(hào)然后對(duì)每一個(gè)n＝1,2,...,N，求其對(duì)應(yīng)的的平均值，得到最終得到去噪后的數(shù)據(jù)序列Ave(n)，n＝1,2...,N。

所述步驟1中預(yù)濾波處理的過(guò)程為：

在預(yù)濾波處理前，首先對(duì)x(n)進(jìn)行周期延拓或者補(bǔ)零操作，得到若是對(duì)x(n)進(jìn)行補(bǔ)零操作，則，f(2N+1)＝f(2N+2)＝0，若是對(duì)x(n)進(jìn)行周期延拓，則f(2N+1)＝f(1)，f(2N+2)＝f(2)；